MCP任务管理器

MCP任务管理器（npm包：taskqueue-mcp）是一个用于人工智能任务管理的Model Context Protocol (MCP)服务器。此工具帮助AI助手以结构化的方式处理多步骤任务，并可选地设置用户审批检查点。

功能

• 多步骤任务规划
• 进度跟踪
• 用户审批已完成的任务
• 项目完成审批
• 任务详情可视化
• 任务状态管理
• 增强的CLI用于任务检查和管理

基本设置

通常您会在Claude Desktop、Cursor或其他MCP客户端中设置工具配置如下：

{
  "tools": {
    "taskqueue": {
      "command": "npx",
      "args": ["-y", "taskqueue-mcp"]
    }
  }
}

要使用CLI工具，您可以全局安装该包并使用以下命令：

npx taskqueue --help

这将显示可用的命令和选项。

高级配置

任务管理器支持多个LLM提供商生成项目计划。根据您想要使用的提供商，可以配置一个或多个以下环境变量：

• OPENAI_API_KEY：使用OpenAI模型（如GPT-4）时需要
• GOOGLE_GENERATIVE_AI_API_KEY：使用Google的Gemini模型时需要
• DEEPSEEK_API_KEY：使用Deepseek模型时需要

要在CLI中生成项目计划，请在您的shell中设置这些环境变量：

export OPENAI_API_KEY="your-api-key"
export GOOGLE_GENERATIVE_AI_API_KEY="your-api-key"
export DEEPSEEK_API_KEY="your-api-key"

或者，您可以在MCP客户端配置中包含它们，以便通过MCP工具调用生成项目计划：

{
  "tools": {
    "taskqueue": {
      "command": "npx",
      "args": ["-y", "taskqueue-mcp"],
      "env": {
        "OPENAI_API_KEY": "your-api-key",
        "GOOGLE_GENERATIVE_AI_API_KEY": "your-api-key",
        "DEEPSEEK_API_KEY": "your-api-key"
      }
    }
  }
}

可用的MCP工具

任务管理器现在使用直接工具接口，每个操作都有特定的目的构建工具：

项目管理工具

• list_projects：列出系统中的所有项目
• read_project：获取特定项目的详细信息
• create_project：创建带有初始任务的新项目
• delete_project：删除项目
• add_tasks_to_project：向现有项目添加新任务
• finalize_project：在所有任务完成后最终确定项目

任务管理工具

• list_tasks：列出特定项目的所有任务
• read_task：获取特定任务的详细信息
• create_task：在项目中创建新任务
• update_task：修改任务属性（标题、描述、状态）
• delete_task：从项目中删除任务
• approve_task：批准已完成的任务
• get_next_task：获取项目中的下一个待办任务
• mark_task_done：标记任务已完成并提供详细信息

任务状态和工作流程

任务有一个状态字段，可以是以下之一：

• 未开始：任务尚未开始
• 进行中：任务正在被处理
• 已完成：任务已完成（需要completedDetails）

状态转换规则

系统强制执行以下任务状态转换规则：

• 任务遵循具有定义的有效转换的工作流：
  • 从未开始：只能移动到进行中
  • 从进行中：可以移动到已完成或返回未开始
  • 从已完成：如果需要额外工作，可以返回进行中
• 当任务被标记为“已完成”时，必须提供completedDetails字段来记录已完成的内容
• 已批准的任务不能被修改
• 仅当所有任务都已完成且已批准时，项目才能被批准

这些规则有助于维护任务进度的完整性，并确保正确记录已完成的工作。

使用工作流程

使用此任务管理器的LLM典型工作流程如下：

1. create_project：启动带有初始任务的项目
2. get_next_task：获取第一个待办任务
3. 处理任务
4. mark_task_done：标记任务已完成并提供详细信息
5. 等待审批（用户必须通过CLI调用approve_task）
6. get_next_task：获取下一个待办任务
7. 重复步骤3-6直到所有任务完成
8. finalize_project：完成项目（需要用户审批）

CLI命令

要使用CLI，您需要全局安装该包：

npm install -g taskqueue-mcp

或者，您可以使用npx运行CLI，并使用--package=taskqueue-mcp标志告诉npx来自哪个包。

npx --package=taskqueue-mcp taskqueue --help

任务审批

默认情况下，当AI代理标记任务为“已完成”时，所有任务和项目都将自动批准。要要求手动的人工任务审批，在创建项目时将autoApprove设置为false。

任务审批完全由人类用户通过CLI控制：

npx taskqueue approve-task -- <projectId> <taskId>

选项：

• -f, --force：即使任务未标记为已完成，也强制批准

注意：任务必须先由AI代理标记为“已完成”并提供完成细节，然后才能被批准（除非使用--force）。

列出任务和项目

CLI提供了一个命令来列出所有项目和任务：

npx taskqueue list-tasks

要查看特定项目的详细信息：

npx taskqueue list-tasks -- -p <projectId>

此命令显示系统中所有项目或特定项目的相关信息，包括：

• 项目ID和初始提示
• 完成状态
• 任务详情（标题、描述、状态、审批）
• 进度指标（已批准/已完成/总任务数）

数据模式和存储

文件位置

任务管理器将数据存储在一个JSON文件中，该文件必须对服务器和CLI都可访问。

默认平台特定位置为：

• Linux：~/.local/share/taskqueue-mcp/tasks.json
• macOS：~/Library/Application Support/taskqueue-mcp/tasks.json
• Windows：%APPDATA%\taskqueue-mcp\tasks.json

不建议使用自定义文件路径来存储任务数据，因为您需要记住为MCP服务器和CLI设置相同的路径，否则它们无法相互协调。但如果您确实想使用自定义路径，可以在MCP客户端配置中设置TASK_MANAGER_FILE_PATH环境变量：

{
  "tools": {
    "taskqueue": {
      "command": "npx",
      "args": ["-y", "taskqueue-mcp"],
      "env": {
        "TASK_MANAGER_FILE_PATH": "/path/to/tasks.json"
      }
    }
  }
}

然后，在运行CLI之前，您应该在shell中导出相同的路径：

export TASK_MANAGER_FILE_PATH="/path/to/tasks.json"

数据模式

JSON文件使用以下结构：

TaskManagerFile
├── projects: Project[]
    ├── projectId: string            # 格式："proj-{number}"
    ├── initialPrompt: string        # 原始用户请求文本
    ├── projectPlan: string          # 额外的项目详情
    ├── completed: boolean           # 项目完成状态
    ├── autoApprove: boolean         # 设置`false`以要求手动用户审批
    └── tasks: Task[]                # 任务数组
        ├── id: string               # 格式："task-{number}"
        ├── title: string            # 简短的任务标题
        ├── description: string      # 详细的任务描述
        ├── status: string           # 任务状态："未开始"、"进行中"或"已完成"
        ├── approved: boolean        # 任务审批状态
        ├── completedDetails: string # 完成信息（当状态为"已完成"时需要）
        ├── toolRecommendations: string # 对于此任务可能有用的建议工具
        └── ruleRecommendations: string # 对于此任务应遵循的建议规则/指南

许可证

MIT